-
公开(公告)号：CN105578412B
公开(公告)日：2018-11-27
申请号：CN201510970497.4
申请日：2015-12-21
Applicant: 东北大学
Abstract: 一种基于位置服务的位置匿名方法及系统，包括：移动用户将位置服务请求和当前位置发送至可信的中心服务器；对移动用户的位置进行隐匿得到匿名域，与移动用户的位置服务请求内容一起发送给位置服务提供服务器；检索找到满足移动用户的位置服务请求内容的结果集发送到可信中心服务器；筛选找到与移动用户的位置对应的位置服务结果。该系统包括位置服务请求模块、位置匿名模块、结果集检索模块、结果集筛选模块。本发明在满足用户需求情况下获得较小的匿名区域，提高LBS查询精度。将匿名域中发出位置服务请求的移动用户控制在最接近k，减少移动用户数量过多造成的资源浪费。在移动用户稀少情况下加入虚假移动用户信息完成匿名过程，提高匿名成功率。
-
公开(公告)号：CN105592405B
公开(公告)日：2018-10-23
申请号：CN201510734202.3
申请日：2015-10-30
Applicant: 东北大学
Abstract: 基于派系过滤和标签传播的移动通信用户群组构造方法，属于数据业务领域。计算用户节点间的联系紧密度；构建用户节点间的有权复杂网络；基于有权复杂网络，采用派系过滤算法构造社交关系群组的种子群组；基于种子群组，初始化网络中所有节点标签，即为每个节点分配初始标签；利用改进的SLPA算法进行标签传播，当绝大多数节点的标签收敛时，基于节点的标签将节点划分至对应的群组，完成社交关系群组的构造，即拥有相同标签的节点构成一个群组；本发明的优点为：可获得较好的用户好友推荐效果；获得较好的协同推荐效果；有助于用户构成分析；有助于发现异常群体；下一代通信的划分基础。
-
公开(公告)号：CN105404648A
公开(公告)日：2016-03-16
申请号：CN201510717733.1
申请日：2015-10-29
Applicant: 东北大学
CPC classification number: G06F16/9537 , G06K9/6226
Abstract: 一种基于密度与紧密度聚类的用户移动行为确定方法，属于数据业务领域。引入时间窗口，对用户的移动序列进行时间窗口的划分，将连续的移动序列划分为时间上离散的多个窗口序列；根据对移动轨迹的定义，从窗口序列中挖掘出用户的多条移动轨迹；根据对特征轨迹集的定义，对多条移动轨迹进行划分，将相似轨迹划分到同一特征轨迹集中，并去除噪声数据；根据对特征轨迹的定义，从特征轨迹集中分别选取对应的中心轨迹作为特征轨迹，进而最终确定用户的移动行为。该方法可以应用在实际的移动通信数据中，消除用户移动的随机性与异常点，所确定的用户的移动行为可作为基于位置服务的位置模块的输入，也可作为移动推荐系统的输入，从而带来个性化服务。
-
公开(公告)号：CN115038140B
公开(公告)日：2024-10-29
申请号：CN202210448797.6
申请日：2022-04-27
Applicant: 东北大学
Abstract: 本发明提供一种基于空地集群轨迹预测的组播路由方法，采用时间窗口挖掘用户的移动轨迹，构建图多注意力机制网络预测移动实体的轨迹变化，搭建工作移动模型生成移动实体的运动节点，最后构造分布式群组采用等待‑对比‑分离的策略产生动态组播树实现多目的地消息寻路。本发明减少了位置注册信令开销，动态调整网络链路节点资源，提高了消息传输成功率和数据分发开销比率，对于移动规律性较强的用户，提供了高效的资源分发机制，在灾害救援、智能消防、工业网络、公共事业、公众健康、环境保护等诸多领域有着广阔的应用前景。
-
公开(公告)号：CN118540287A
公开(公告)日：2024-08-23
申请号：CN202410707193.8
申请日：2024-06-03
Applicant: 东北大学
IPC: H04L47/62 , H04L47/628
Abstract: 本发明提供一种基于网络处理器的自适应近似公平队列调度方法，涉及网络性能技术领域。该方法结合了通用处理器共享的调度思想，并通过详细设计入队机制、自适应队列调整机制和轮询出队机制，以计算分组虚拟时间决定调度顺序，从而实现对网络环境变化的自适应，并能够通过对流配置优先级实现差异化服务，克服传统队列调度算法对复杂多变网络环境适应能力差的缺陷，以提高网络性能和流公平性。同时，本发明还着重简化了存储和入队机制，以确保可以部署在网络处理器时的可行性。
-
Patent Agency Ranking
公开(公告)号：CN117935218A
公开(公告)日：2024-04-26
申请号：CN202410097072.6
申请日：2024-01-24
Applicant: 东北大学
Abstract: 本发明提供一种基于时空图和注意力机制的多实体轨迹预测的方法，涉及轨迹预测技术领域。利用地面实体的历史轨迹作为输入来推断场景内实体的未来轨迹；首先通过轨迹嵌入将历史轨迹位置编码到特征空间，从而得到输入图表示，然后将其送入模型处理，最终推断出场景中所有实体的未来轨迹。本发明解决同场景下多实体的轨迹预测问题，以场景中实体的历史轨迹作为输入，从时间和空间两个维度推断实体未来的轨迹，利用图和注意力机制对多实体轨迹进行分析，提取有效交互向量，实现对多实体未来轨迹的精准预测。
-
公开(公告)号：CN117789082A
公开(公告)日：2024-03-29
申请号：CN202311809903.X
申请日：2023-12-26
Applicant: 东北大学
IPC: G06V20/40 , G06V10/80 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明设计一种基于空地融合的目标实体轨迹预测方法，属于轨迹预测技术领域；首先对地面目标实体历史轨迹构建空间关系连接图，根据空间关系连接图获取该图的带权邻接矩阵；然后利用GCN进行空间交互特征提取，获得空间交互特征向量；其次利用无人机获取地面目标实体的空中视角视频，并将其转换为视频帧，将视频帧送入U‑Net中提取场景上下文信息；将地面目标实体历史轨迹和上下文信息通过MLP进行聚合，得到当前时刻场景综合了目标实体上下文以及目标实体历史轨迹的特征；并对聚合的特征基于U‑Net模型计算后得到实体终点位置概率分布；融合实体终点位置概率分布、地面目标实体历史轨迹以及空间交互特征向量，基于TCN模型得到最终目标实体的未来轨迹。
-
公开(公告)号：CN116707923A
公开(公告)日：2023-09-05
申请号：CN202310712280.8
申请日：2023-06-15
Applicant: 东北大学
Abstract: 本发明涉及一种基于精英麻雀搜索改进XGBoost算法的异常流量检测方法，其中：所述方法步骤如下：(1)、对实时采集的带有异常流量环境的网络流量数据进行初始化，获得带有初始特征集的流量数据集；(2)、对步骤(1)中所述的流量数据集进行特征提取获得提取后的特征集的流量数据集；(3)、将步骤(2)中所述的带有初始特征集的流量数据集输入至基于精英麻雀搜索改进XGBoost模型，输出检测结果。其有益效果是，使用XGBoost作为基分类器，精英麻雀搜索算法进行算法性能优化，得到更精准的异常流量分类结果。
-
公开(公告)号：CN115038140A
公开(公告)日：2022-09-09
申请号：CN202210448797.6
申请日：2022-04-27
Applicant: 东北大学
Abstract: 本发明提供一种基于空地集群轨迹预测的组播路由方法，采用时间窗口挖掘用户的移动轨迹，构建图多注意力机制网络预测移动实体的轨迹变化，搭建工作移动模型生成移动实体的运动节点，最后构造分布式群组采用等待‑对比‑分离的策略产生动态组播树实现多目的地消息寻路。本发明减少了位置注册信令开销，动态调整网络链路节点资源，提高了消息传输成功率和数据分发开销比率，对于移动规律性较强的用户，提供了高效的资源分发机制，在灾害救援、智能消防、工业网络、公共事业、公众健康、环境保护等诸多领域有着广阔的应用前景。
-
公开(公告)号：CN115037669A
公开(公告)日：2022-09-09
申请号：CN202210449032.4
申请日：2022-04-27
Applicant: 东北大学
IPC: H04L45/02 , H04L45/12 , H04L45/645 , H04L49/25 , H04L41/044 , H04L41/14 , H04L41/0895
Abstract: 本发明提供一种基于联邦学习的跨域数据传输方法，首先设计了基于深度强化学习的智能路由方法，该方法根据网络当前状态做出最优的路由选择，其次引入联邦学习将各个域的深度强化学习智能体上传的参数进行融合，得到决策能力更强的深度强化智能体，并将该智能体应用于跨域路由的决策过程中，各域根据域间路由和本域内的路由策略对跨域数据进行数据转发，在保证域内隐私的前提下，本发明提升了大量数据跨域传输的性能，具有很强的现实意义和广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
